Pandas按ID分组跨行计算不同日期列的预订间隔天数

核心实现步骤 #

• 首先将日期字符串转为标准datetime格式，注意你的日期是日/月/年格式，解析时要指定dayfirst=True避免解析错误
• 分组前先按ID、到达日期排序，保证组内记录的时间顺序正确，避免原始数据乱序导致计算错误
• 分组后用shift(1)取同ID上一条记录的离店日期，和当前行的到达日期做差，提取天数值即可
• 计算全程保留原始表的行顺序，和你给出的期望输出结构完全匹配

import pandas as pd

# 1. 转换日期格式
df_corp['arrival_date'] = pd.to_datetime(df_corp['arrival_date'], dayfirst=True)
df_corp['leaving_date'] = pd.to_datetime(df_corp['leaving_date'], dayfirst=True)

# 2. 分组取同ID上一次的离店日期
df_corp['prev_leaving'] = (
    df_corp.sort_values(['ID', 'arrival_date'])
    .groupby('ID')['leaving_date']
    .shift(1)
)

# 3. 计算间隔天数，删除临时列
df_corp['time_between'] = (df_corp['arrival_date'] - df_corp['prev_leaving']).dt.days
df_corp = df_corp.drop(columns='prev_leaving')

结果说明 #

运行后输出的time_between列完全匹配你的预期：

• 每个ID最早的一条预订没有前序记录，值为NaN
• ID=1的第二次预订（12/02/20到达）与前次离店间隔7天
• ID=1的第三次预订（07/03/20到达）与前次离店间隔15天
• ID=2的第二次预订（10/03/20到达）与前次离店间隔3天

如果不需要保留原始行顺序，也可以先对全表按['ID', 'arrival_date']排序后再做分组移位计算，数值结果一致。

内容的提问来源于stack exchange，提问作者Databoi